人工智能生成内容（Artificial Intelligence Generated Content，AIGC）是人工智能1.0时代进入2.0时代的重要标志。本书对AIGC的概念、原理与实践应用进行了详细和深入的分析，力求做到全面、系统、准确和通俗，以便读者透彻理解AIGC的设计思想，即能够应用人工智能大模型生成文本、图表、图片、音乐、视频，帮助熟练掌握DeepSeek、豆包、Kimi、讯飞星火、即梦等常用大模型和智能体（扣子）AI Bot开发平台。本书提供国产大模型DeepSeek的本地化部署实验、国产智能体（扣子）的搭建部署实验，方便进行大模型的本地化部署，有利于实践应用。全书共分5章，主要包括结论、AIGC技术和原理、AIGC工具的实践应用、DeepSeek大模型在行业领域的实践应用、国产大模型与智能体部署。本书结构清晰、内容丰富、取材新颖，既强调知识的实用性，又注重理论的完整性，可作为高等院校应用型本科专业的“人工智能通识课程”“人工智能实训课程”“AIGC原理与实践课程”教材，也可作为从事计算机工作及AI赋能办公的参考资料。

莫宏伟，工学博士，教授，博士生导师。参加的学术组织及任职情况：黑龙江省多学科协同人工智能重点实验室主任。中国人工智能学会自然计算与数字城市专业委员会（发起人）副主任，中国人工智能学会智能空天系统专委会常务委员，中国人工智能学会智能医疗专业委员会委员，全国高校人工智能与大数据创新联盟副理事长，黑龙江省高等教育学会人工智能教育专业委员会创始人、理事长，黑龙江省人工智能学会秘书长（2007-2019），黑龙江省生物医学工程学会理事。黑龙江省医师协会智慧医疗分会理事。国际期刊Research of Information Technology、International Journal of Swarm Intelligence Research、International Journal of Robotics and Automation Technology、《电子学报》、《导航与授时》编委。IEEE Tran on Industrial Informatics 2018 专刊《医疗卫生中的大数据处理》副主编。Journal of Big Data Research主编。

目录

第1章 绪论 1
1.1 人工智能的概念 1
1.1.1 生命与智能 2
1.1.2 智能的概念 3
1.1.3 图灵测试与人工智能 5
1.1.4 智能的类型划分 7
1.1.5 人工智能五维知识体系 10
1.2 人工智能制度 11
1.2.1 中国的人工智能政策和制度 11
1.2.2 美国的人工智能政策 13
1.2.3 其他国家和组织的人工智能制度 14
1.3 AIGC的概念、发展史、技术思想 15
1.3.1 AIGC的概念 15
1.3.2 AIGC的发展史 15
1.3.3 AIGC的技术思想 16
1.4 AIGC的算力基础设施 17
1.4.1 数据：人工智能的“燃料”与学习素材 17
1.4.2 算力：人工智能的“引擎”与计算基础 17
1.4.3 算法：人工智能的“菜谱”与智能核心 18
1.4.4 数据、算力、算法之间的关系 19
1.5 AIGC的行业应用 19
1.5.1 智慧教育 19
1.5.2 人工智能艺术与设计 20
1.5.3 智能制造 21
1.5.4 智慧医疗 25
1.5.5 人工智能与新基建 28
习题1 29
第2章 AIGC技术和原理 31
2.1 AIGC技术基础 31
2.1.1 神经网络的基本概念 31
2.1.2 深度学习模型的训练与优化 32
2.1.3 模型优化的方法与技巧 32
2.1.4 逻辑推理 32
2.2 自然语言处理 35
2.2.1 自然语言的概念与作用 36
2.2.2 自然语言处理的核心技术 36
2.2.3 自然语言处理在AIGC中的基础性作用 38
2.2.4 通过对自然语言的理解和生成实现AIGC的目标 39
2.2.5 预训练语言模型 40
2.2.6 AIGC语义理解 46
2.2.7 多轮会话 47
2.3 生成对抗网络 50
2.3.1 生成对抗网络的基本原理 50
2.3.2 生成对抗网络的架构 51
2.3.3 生成对抗网络的训练过程 51
2.3.4 生成对抗网络在AIGC中的应用案例 51
2.4 变分自编码器 52
2.4.1 变分自编码器的基本原理 52
2.4.2 变分自编码器的模型结构 52
2.4.3 重参数化技巧 53
2.4.4 变分自编码器在AIGC中的应用案例 53
2.5 Transformer 54
2.5.1 Transformer的模型结构 54
2.5.2 自注意力机制 55
2.5.3 多头注意力机制 55
2.5.4 编码器-解码器结构 55
2.5.5 Transformer的应用分析 56
2.6 扩散模型 57
2.6.1 扩散模型的基本原理与架构 57
2.6.2 扩散模型在 AIGC 中的应用 58
2.6.3 扩散模型的最新研究成果与改进方法 59
2.7 AIGC内容生成 59
2.7.1 内容生成的类型 59
2.7.2 内容生成模型的比较与分析 60
2.7.3 内容生成的质量评估与优化方法 61
2.8 多模态交互 63
2.8.1 多模态交互的概念与意义 63
2.8.2 多模态数据融合方法与技术 64
2.8.3 多模态交互的应用案例与方法分析 65
习题2 65

第3章 AIGC工具的实践应用 67
3.1 AIGC代表工具介绍 67
3.2 提示词基础实验 67
3.3 AIGC在PPT制作中的应用 77
3.4 AIGC在音乐制作中的应用 82
3.5 AIGC在创意绘图制作中的应用 86
3.6 AIGC在视频制作中的应用 90
习题3 102
第4章 DeepSeek大模型在行业领域的实践应用 105
4.1 DeepSeek在公文写作领域的应用 105
4.2 DeepSeek在旅游领域的应用 111
4.3 DeepSeek在会计领域的应用 116
4.4 DeepSeek在文学领域的应用 124
4.5 DeepSeek在教育领域的应用 130
4.6 DeepSeek在法律领域的应用 139
4.7 DeepSeek在艺术领域的应用 150
习题4 155
第5章 国产大模型与智能体部署 157
5.1 国产主流大模型工具介绍 157
5.2 国产大模型DeepSeek本地化部署实验 158
5.3 国产智能体（扣子）搭建部署实验 165
5.4 智能体简介 171
5.4.1 智能体的核心组件与架构蓝图 171
5.4.2 智能体的运作机制与工作原理 174
5.4.3 典型的智能体开发生命周期/流程 177
5.5 模型上下文协议简介 179
5.5.1 模型上下文协议的运作机制 179
5.5.2 模型上下文协议系统提示词 180
5.5.3 模型上下文协议与Function Calling的区别 182
5.5.4 模型上下文协议的本质与挑战 183
5.5.5 模型上下文协议的应用架构 184
习题5 185
参考文献 187